Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Diapositivas Pronostico PDF
Diapositivas Pronostico PDF
Mtodos
Cuantitativos
i i
de Negocios
Captulo
p 3 Pronsticos
y Simulacin
PowerPoint presentation to accompany
Heizer/Render
Heizer /Render
Principles
p of Operations
p Management,
g , 7e
Operations Management, 9e
2008 Prentice Hall, Inc. 41
Bosquejo
Qu son Pronsticos?
Pronsticos y Horizontes de Tiempo
Influencia del Ciclo de Vida del
P d t
Producto
Tipos
p de Pronsticos
Mtodos de Pronsticos
Mtodos Cualitativos
Mtodos Cuantitativos
TV Analogo
Pasar por
LCD & plasma restaurantes
TVs en coche
Ventas iPods
3 1/2
Windows 7 Floppy
disks
Figure 2.5
2008 Prentice Hall, Inc. 4 14
Ciclo de Vida del Producto
Introduccin Crecimiento Madurez Decline
cin
Incremento de la Eliminar
de produccin Incrementos de estabilidad de lineas que no
Altos costos de capacidad procesos producen
produccin Centrarse en el Grandes niveles buen margen
M d l
Modelos producto
d t d produccin
de d i R d i la
Reducir l
limitados Mejorar la Mejoras del capacidad
Atencin a la distribucin producto y
calidad reduccin de
costos
Figure 2.5
2008 Prentice Hall, Inc. 4 15
Tipos de Pronsticos
Pronsticos Econmicos
Direccin del ciclo econmico tasa de
inflacin, oferta de dinero, viviendas, etc.
Pronsticos Tecnolgicos
Predecir la tasa del progreso tecnolgico
Impacto
I t del
d l desarrollo
d ll de
d nuevos productos
d t
Pronsticos de Demanda
Predecir ventas de productos y servicos
existentes
4. Proyeccin de
T d
Tendencia
i
Modelos
5. Regresin Lineal Causales
Asociativos
2008 Prentice Hall, Inc. 4 28
Pronsticos Series de
Tiempo
Conjunto de datos numricos
uniformemente espaciados
Obtenida por observacin de la respuesta de
la variable para periodos de tiempo regulares
Pronsticos basado solamente en valores
pasados,
pasados ninguna otra variables importante
Asume que los factores que influyeron en el
pasado y en el presente continuar influyendo
en el futuro
T d
Tendencia
i Ci l
Ciclo
E t i
Estacional
l Al t i
Aleatorio
Picos Estacional
ducto o s
Demanda
anda porr un prod
Actual
Demanda
Promedio de
Variacin los 4 aos
Dema
Aleatoria
| | | |
1 2 3 4
Ao Figure 4.1
2008 Prentice Hall, Inc. 4 31
C
Componente
t TTendencia
d i
Patrn Persistente, en conjunto
ascendente o descendente
Cambia debido a poblacin,
t
tecnologa,
l edad,
d d cultura,
lt etc.
t
Tipicamente duracin de varios
aos
M T W T F
2008 Prentice Hall, Inc. 4 35
Mt d N
Mtodo Naive
i
20
18
V
16
14
12
10
| | | | | | | | | | | |
E F M A M J J A S O N D
25
Demanda de v
20 Ventas
Actuales
15
Promedio
10 mvil
5
| | | | | | | | | | | |
J F M A M J J A S O N D
Figure 4.2
Ft = Ft 1 + (At 1 - Ft 1)
N
Nuevo ti = 142 + .2(153
pronstico 2(153 142)
N
Nuevo ti = 142 + .2(153
pronstico 2(153 142)
= 142 + 2.2
= 144.2 144 cars
Peso Asignado a
Ms 2do Ms 3er Ms 4to Ms 5to Ms
S
Suavimien
i i Reciente
R i t Reciente
R i t Reciente
R i t Reciente
R i t Reciente
R i t
to. Periodo Periodo Periodo Periodo Periodo
Constante ( ) (1 - ) (1 - )2 (1 - )3 (1 - )4
Demanda = .5
200 Actual
nda
Deman
175
= .1
150 | | | | | | | | |
1 2 3 4 5 6 7 8 9
Trimestre
Demanda
Elegir altos valores de = .5
200 Actual
cuando el promedio tiene
nda
Deman
buena probabilidad de
cambiar
175
Elegir bajos valores de
cuando el promedio es = .1
150 |
estable | | | | | | | |
1 2 3 4 5 6 7 8 9
Trimestre
M di Porcentual
Media P t l del
d l Error
E Ab l t (MAPE
Absoluto MAPE))
n
100
100|Actual
|Actuali - Pronsticoi|/Actuali
i=1
MAPE = n
Real
ncon
Absoluta
para
Redondeado Absoluta
con para
Trim Descargado = .10
10 = .10
10 = .50
50 = .50
50
Para = .10
1 180 175 5.00 175 5.00
2 =168
1,526.54/8
, 175.5 = 190.82
7.50 177.50 9.50
3 159 174.75 15.75 172.75 13.75
Para
4 = .50 173.18
175 1.82 165.88 9.12
5 190 173.36 16.64 170.44 19.56
6 =205
1 561 91/8
1,561.91/8 =
175.02 195
195.24
24
29.98 180.22 24.78
7 180 178.02 1.98 192.61 12.61
8 182 178 22
178.22 3.78
3 78 186 30
186.30 4.30
4 30
82.45 98.62
MAD 10.31 12.33
Ft = (At - 1) + (1 - )(
)(F
Ft - 1 + Tt - 1)
Tt = (Ft - Ft - 1) + (1 - )Tt - 1
Paso 1: Calcular Ft
Paso
P 2
2: C
Calcular
l l Tt
Paso 3: Calcular el pronstico FITt = Ft + Tt
Table 4.1
2008 Prentice Hall, Inc. 4 62
Suavizamiento Exponencial con
Tendencia Ajustada: Ejemplo
Pronstico
Demanda Pronstico Tendencia Incluyendo
Mes)
Mes) Actual(At)
Actual( Suavizado, Ft Suavizada, TtTendencia, FITt
1 12 11 2 13.00
2 17
3 20
4 19
5 24 Paso 1: Pronstico para Mes 2
6 21
7 31 F2 = A1 + (1 - )(F1 + T1)
8 28 F2 = (.2)(12)
( 2)(12) + (1 - .2)(11
2)(11 + 2)
9 36
10 = 2.4 + 10.4 = 12.8 unidades
Table 4.1
2008 Prentice Hall, Inc. 4 63
Suavizamiento Exponencial
p con
Tendencia Ajustada: Ejemplo
Pronstico
Demanda Pronstico Tendencia Incluyendo
Mes)
Mes) Actual(At)
Actual( Suavizado, Ft Suavizada, TtTendencia, FITt
1 12 11 2 13.00
2 17 12.80
3 20
4 19
5 24 Paso 2: Tendencia para Mes 2
6 21
7 31 T2 = (F2 - F1) + (1 - )T1
8 28 T2 = (.4)(12.8
( 4)(12 8 - 11) + (1 - .4)(2)
4)(2)
9 36
10 = .72 + 1.2 = 1.92 unidades
Table 4.1
2008 Prentice Hall, Inc. 4 64
Suavizamiento Exponencial con
Tendencia Ajustada: Ejemplo
Pronstico
Demanda Pronstico Tendencia Incluyendo
Mes)
Mes) Actual(At)
Actual( Suavizado, Ft Suavizada, TtTendencia, FITt
1 12 11 2 13.00
2 17 12.80 1.92
3 20
4 19
5 24 Paso 3: Calcular FIT para Mes 2
6 21
7 31 FIT2 = F2 + T1
8 28 FIT2 = 12
12.8
8+1 1.92
92
9 36
10 = 14.72 unidades
Table 4.1
2008 Prentice Hall, Inc. 4 65
Suavizamiento Exponencial con
Tendencia Ajustada: Ejemplo
Pronstico
Demanda Pronstico Tendencia Incluyendo
Mes)
Mes) Actual(At)
Actual( Suavizado, Ft Suavizada, TtTendencia, FITt
1 12 11 2 13.00
2 17 12.80 1.92 14.72
3 20 15.18 2.10 17.28
4 19 17.82 2.32 20.14
5 24 19 91
19.91 2.23
2 23 22 14
22.14
6 21 22.51 2.38 24.89
7 31 24.11 2.07 26.18
8 28 27 14
27.14 2.45
2 45 29 59
29.59
9 36 29.28 2.32 31.60
10 32.48 2.68 35.16
Table 4.1
2008 Prentice Hall, Inc. 4 66
Suavizamiento Exponencial con
Tendencia Ajustada: Ejemplo
35
Demanda Actual (At)
Producto
30
25
da del P
20
15
Demand
10 ttendencia(FITt)
Pronstico incluyendo ttendencia(
Con = .2 y = .4
5
0 | | | | | | | | |
1 2 3 4 5 6 7 8 9
Figure 4.3
Tiempo (mes)
mes)
2008 Prentice Hall, Inc. 4 67
P
Proyecciones
i de
d Tendencia
T d i
Ajustar a una lnea de tendencia a los
datos histricos para proyectar en el
mediano
di y largo
l plazo
l
La lnea de tendencia pueden ser
encontrada
t d usando d lal tcnica
t i ded mnimos
i
cuadrados
y^ = a + bx
Donde y^ = valor calculado de la la variables a ser
pronsticada
(variable
( dependiente))
a = intercepto el eje - y
b = pendiente de la lnea de regresin
x = la variable independente
2008 Prentice Hall, Inc. 4 68
Mtodos Mnimos
e Dependente
Cuadrados
Desviacin7
Observacin Actual
(valor de y)
Desviacin5 Desviacin6
Variable
Desviacin3
Desviacin4
Valorres de V
Desviacin1
(error) Desviacin2
L
Lnea de i y^ = a + bx
d tendencia,
t d b
Mtodos de Mnimos
Desviacin3
Cuadrados minimiza la
Desviacin
suma del cuadrado de los
4
Valorres de V
errores (desviaciones)
Desviacin1
(error) Desviacin2
L
Lnea de i y^ = a + bx
d tendencia,
t d b
xy - nxy
b=
x2 - nx2
a = y - bx
140
130
120
0
manda de
110
100
90
Dem
80
70
60
50
| | | | | | | | |
2001 2002 2003 2004 2005 2006 2007 2008 2009
Aos
2008 Prentice Hall, Inc. 4 75
Requerimientos de Mnimos
Cuadrados
1. Siempre debemos graficar los
datos para asegurar una relacin
lineal
2. No predecimos periodos de tiempo
que van ms alla de la base de
datos
3. Las desviaciones alrededor de la
lnea de mnimos cuadrados son
asumidos como aleatorios
2008 Prentice Hall, Inc. 4 76
Mnimos Cuadrados
Ejemplo
j p - EViews
R-squared,
squared coeficiente de determinacin, sirve
para valorar el xito de la regresin para predecir
los valores de la variable endgena dentro del
periodo
i d muestral.
t l
Adjusted R-squared,
squared coeficiente R2 ponderado
por los grados de libertad.
2008 Prentice Hall, Inc. 4 83
Estimacin de Mnimos
Cuadrados con EVIEWS
S.E. of regression,
regression error estndar de la regresin, sirve
para analizar
li lla capacidad
id d predictiva
di ti d dell modelo,
d l
recoge la funcin objetivo ponderada por sus grados de
libertad.
Sum squared resid
resid, suma de los errores al cuadrado,
mide la diferencia entre el valor observado de Y con el
estimado. (debe ser lo ms pequeo posible).
2008 Prentice Hall, Inc. 4 84
Estimacin de Mnimos
Cuadrados con EVIEWS
F-statistic
statistic, se construye para contrastar si los
parmetros
t asociados
i d a llas variables
i bl explicativas
li ti d
dell
modelo son conjuntamente iguales a cero. Permite
contrastar la capacidad explicativa conjunta de las
variables introducidas en el modelo.
Porb(F
Porb((F--statistic
statistic)), mide la p
probabilidad de rechazar la
hipotesis nula siendo cierta.
2008 Prentice Hall, Inc. 4 85
Estimacin de Mnimos
Cuadrados con EVIEWS
Durbin-
Durbin-Watson stat,
stat estadstico que se construye para
contrastar
t t la l hiptesis
hi t i d de incorrelacin
i l i entret las
l
perturbaciones aleatorias frente a la presencia de
autocorrelacin segn un esquema AR(1).
y^ = a + b1x1 + b2x2